結合灰色理論與經驗模態分解法於固定路線車輛旅行時間之預測

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：56

、訪客IP：3.16.50.172

姓名

吳哲榮(Che-Jung Wu) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

結合灰色理論與經驗模態分解法於固定路線車輛旅行時間之預測
(Combine Grey Theory and Empirical Mode Decomposition apply to regular route vehicle travel time prediction)

相關論文

★ 圖書館系統通閱移送書籍之車輛途程問題	★ 起迄對旅行時間目標下高速公路匝道儀控之研究
★ 結合限制規劃法與螞蟻演算法求解運動排程問題	★ 共同邊界資料包絡分析法在運輸業之應用-以國內航線之經營效率為例
★ 雙北市公車乘客知覺服務品質、知覺價值、滿意度、行為意向路線與乘客之跨層次中介效果與調節式中介效果	★ Investigating the influential factors of public bicycle system and cyclist heterogeneity
★ A Mixed Integer Programming Formulation for the Three-Dimensional Unit Load Device Packing Problem	★ 高速公路旅行時間預測之研究--函數資料分析之應用
★ Behavior Intention and its Influential Factors for Motorcycle Express Service	★ Inferring transportation modes (bus or vehicle) from mobile phone data using support vector machine and deep neural network.
★ 混合羅吉特模型於運具選擇之應用-以中央大學到桃園高鐵站為例	★ Preprocessing of mobile phone signal data for vehicle mode identification using map-matching technique
★ 含額外限制式動態用路人均衡模型之研究	★ 動態起迄旅次矩陣推估模型之研究
★ 動態號誌時制控制模型求解演算法之研究	★ 不同決策變數下動態用路人均衡路徑選擇模型之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

提供用路人有效之旅行時間，將有助於用路人在出發時間、路徑選擇上做出正確判斷。而校車為一固定路次、單一班次、無前車資訊之通勤車輛，且對於校車使用者而言，如果不能有效掌握校車行車資訊，將耗費更多的旅行時間與旅行成本才能到達目的地。本研究透過全球衛星定位技術，獲得校車即時行車資料，並利用資料庫系統構建校車行車資料庫，並以車輛行車速度作為輸入變數，進行希爾伯特-黃轉換中的經驗模態分解，再利用灰預測GM(1,1)模式針對各分量進行預測，求得校車未來之行車速度，以此估算校車到達下一停靠站旅行時間，結合歷史資料推估模式，應用歷史資料推估後續各站之旅行時間，計算整體路徑旅行時間，並建構校車位置與預估到站時間語音查詢系統。經由測試結果比較，發現本研究所構建之旅行時間預測模式，在平均絕對誤差時間與平均絕對誤差百分比部分均優於只使用歷史資料推估法，顯示本研究模式有助於提升旅行時間預測的準確度，而根據本研究之問卷結果顯示，提供語音查詢服務能夠降低乘客之安全預留時間，有助於乘客縮短旅行時間。

摘要(英)

To provide Travel time information for commuters, it will assist the commuters decision the departure time and routing. The school bus is the commuted transportation which runs with regular route and single runs of scheduled bus. If The commuters do not know well the driving information of school, it will result more travel time and cost.
The research use the Global Positioning system receive school bus travel data, and input the school bus speed data to proceed Empirical Mode Decomposition, then employ the Grey Forecasting GM(1,1) Model to prediction IMF and calculate the next station arrival time, finally combine with Historical Profile Approach Model prediction the path travel time. Compared with the experiment results, the researcher set up both the prediction models of travel time, the testing result to appear in the Mean Absolute Error Time and Mean Absolute Percentage Error, are better than Historical Profile Approach. It indicates that this research model can improve the accuracy of travel time. Also, according to the result of questionnaire survey, it shows the broadcasting enquiring system can help customers to save their travel time.

關鍵字(中)

★ 旅行時間
★ 希爾伯特黃-轉換
★ 經驗模態分解
★ 灰預測

關鍵字(英)

★ Travel time
★ Hilbert Huang Transform
★ Empirical Mode Decomposition
★ Grey Forecasting

論文目次

摘要 I
Abstract II
誌謝 III
目錄 IV
圖目錄 VI
表目錄 VIII
第一章緒論 1
1.1 研究動機與背景 1
1.2 研究目的 2
1.3 研究範圍 3
1.4 研究方法與內容 4
第二章文獻回顧 7
2.1 旅行時間預測方法 7
2.1.1 類神經網路於旅行時間預測之運用 7
2.1.2 傅立葉轉換於旅行時間預測之運用 8
2.1.3 模糊理論於旅行時間預測之運用 9
2.1.4 灰色理論於旅行時間預測之運用 10
2.1.5 線性迴歸於旅行時間預測之運用 12
2.1.6 時間序列於旅行時間預測之運用 12
2.1.7 歷史資料推估方法於旅行時間預測之運用 13
2.2 相關預測方法 17
2.2.1 基因規劃(Genetic Programming, GP) 17
2.3 希爾伯特-黃理論運用於時間序列預測 18
2.3.1 南方震盪指數預測 18
2.3.2 股市指數變化之預測 18
2.4 小結： 19
第三章模型理論 20
3.1 希爾伯特黃-轉換 20
3.1.1 經驗模態分解(Empirical Mode Decomposition) 22
3.1.2 希爾伯特轉換(Hilbert Transform, HT) 24
3.1.3 希爾伯特頻譜 27
3.1.4 經驗模態分解應用於旅行時間預估 29
3.2 灰色理論(Grey Theory) 35
3.2.1 灰預測模型(Grey Forecasting Model) 35
3.2.2 滾動灰預測模型 39
第四章模式構建 42
4.1資料庫系統構建 42
4.1.1 資料庫系統 42
4.1.2 資料庫構建 45
4.1.3 資料庫運作流程 53
4.2 旅行時間預測模式 56
4.2.1 資料蒐集與樣本描述 58
4.2.2 旅行時間預測模型構建 59
4.3語音查詢系統 61
4.3.1 校車位置語音查詢系統 61
4.3.2 到站時間語音查詢系統 63
4.3.3 不及播報到站時間之因應方式 63
第五章實例測試 65
5.1 測試範圍 65
5.2 分析指標 65
5.3 中央大學站-台灣大學站結果分析 66
5.3.1 上午班次分析 67
5.3.2 下午班次分析 70
5.4 各停靠站旅行時間預測誤差之統計分析 72
5.5 油價高峰期間測試結果分析 72
5.6 語音查詢系統之效益 78
5.7 馬可夫殘差修正模型與本研究模式測試結果分析 79
第六章敏感度分析 85
6.1 增設泰山收費站停靠站對旅行時間預測之影響 85
6.2 停靠站設置數量對旅行時間預測之影響 86
第七章結論與建議 89
7.1 結論 89
7.2 建議 90
參考文獻 92
附錄A：各停靠站旅行時間預測結果誤差比較分析 98
A.1 中央大學站-民權東路停靠站 98
A1.1上午班次預測結果誤差分析 98
A1.2下午班次預測結果誤差分析 100
A.2 中央大學-信義路停靠站 101
A2.1上午班次預測結果誤差分析 101
A2.2下午班次預測結果誤差分析 103
A.3 中央大學-和平東路停靠站 104
A3.1上午班次預測結果誤差分析 104
A3.2下午班次測試結果分析： 106

參考文獻

1. 吳佳峰(2002)，「有GPS資訊提供下之車輛旅行時間預估模式之研究」，國立交通大學運輸工程與管理系碩士論文，新竹。
2. 吳金杰(2005)，「融合偵測器與探測車資料預測高速公路旅行時間之研究」，國立中央大學土木工程研究所碩士論文，中壢。
3. 吳漢雄、鄧聚龍、溫坤禮(1996)，灰色分析入門，高立出版社，台北.
4. 李俊賢(1995)，「在靜態模型中運用傅立葉轉換分析隨機性動態旅行時間之研究」，國立臺灣大學土木工程研究所博士論文，台北。
5. 李紀森(2002)，「應用探測車法預測高速公路旅行時間」，國立中央大學土木工程學系碩士論文，中壢。
6. 李穎(2003)，「高速公路車輛旅行時間預測之實證評析」，運輸計劃季刊，第 32期，第4卷，頁651-680。
7. 卓訓榮、林國顯、張瓊文(2007)，「小型車高速公路旅行時間預測模式--應用灰色理論」，中華民國運輸學會第二十二屆運輸論文研討會，頁229-244，台北。
8. 周建良(2007)，「校車位置與到站時間預估語音查詢系統之研究」，國立中央大學土木工程學系碩士論文，中壢。
9. 林士傑(2001)，「高速公路旅行時間預測模式之研究-類神經網路之應用」，成功大學交通管理學系碩士論文，台南。
10. 林旭濱(1995)，「高速公路車流模擬模式與路徑導引控制之研究」，成功大學交通管理所碩士論文，台南。
11. 社團法人中華智慧型運輸系統協會網頁，http://www.its-taiwan.org.tw/。
12. 邱小敏(2008)，高油價也有好處:東京高速公路擁堵情況大大緩解，新華社，出處：http://www.news.cn/
13. 邱妍菁(2006)，「高速公路短期交通資訊之灰預測模型」，逢甲大學交通工程與管理學系碩士論文，台中。
14. 張文彥(2006)，「菲律賓海板塊高解析剪力波速度影像和非均向性研究」，國立中央大學地球物理研究所博士論文，中壢。
15. 張修榕(2001)，「高速公路旅行時間預測之硏究」，國立中央大學土木工程硏究所碩士論文，中壢。
16. 張智星(2002)，MATLAB 程式設計與應用，清蔚科技出版社，台北。
17. 張斐章,張麗秋,黃浩倫著(2003)，類神經網路：理論與實務，東華出版社，台北。
18. 張禎誼(1997)，「模糊理論應用於逐日動態通勤行為之研究」，淡江大學運輸科學研究所碩士論文，台北。
19. 畢德成(2000)，「希伯特頻譜於地震資料之應用」，國立中央大學土木工程學系碩士論文，中壢。
20. 許峻榕(1996)，「空間及路網資訊應用於多功能導引系統之研究」，國立中央大學土木工程學系碩士論文，中壢。
21. 許雅惠(2004)，「以模擬分析法探討轉換函數在預測旅行時間之運用」，淡江大學運輸科學研究所碩士論文，台北。
22. 郭中天(2003)，「公車到站時間暨複合路線旅行時間預估模式之研究」，國立臺灣大學土木工程學研究所碩士論文，台北。
23. 陳明新(2006)，「HHT 振動解析法應用於軌道扣件檢測研究」，中原大學土木工程學系碩士論文，中壢。
24. 陳冠竹(2004)，「高速公路旅行時間灰色預測模式之研究」，國立臺灣大學土木工程學研究所碩士論文，台北。
25. 陳韋任(2008)，3至6月日減2.8萬輛車油量，聯合新聞網，出處：http://udn.com/
26. 陳厚君(2005)，「經驗模態分解法之語音辨識」，國立中央大學電機工程研究所碩士論文，中壢。
27. 陳首源(2007)，「結合移動式與固定式偵測器資料以轉換函數推估旅行時間」，淡江大學運輸科學研究所碩士論文，台北。
28. 陳崗熒(2001)，「以HHT時頻分析法剖析赤道區電離層F層電漿空腔結構」，國立中央大學太空科學硏究所博士論文，中壢。
29. 陳慶彥(2002)，PHP+MySQL動態網頁設計，國立中央大學電算中心，中壢。
30. 陳錦嫣(2003)，GIS技術與實務應用 : Arcview 3.X & 8.X，新文京開發，台北。
31. 交通部台灣區國道高速公路局(2008)，近期國道交通量消長，交通部台灣區國道高速公路局，出處：http://www.freeway.gov.tw/
32. 曾文青(2002)，「HHT應用於RC橋柱微振動量測及擬動態試驗之研究」，國立台北科技大學土木與防災研究所碩士論文，台北。
33. 黃山琿、林依萱(2006)，「應用模糊時間序列模式分析短期交通速率預測」，中華民國運輸學會第21屆論文研討會，新竹。
34. 黃山琿、馬嘉穗(2006)，「應用類神經網路和時間序列模式分析中期交通速率預測」，中華民國運輸學會第21屆論文研討會，新竹。
35. 黃奎傑(2006)，「應用SSVM 與灰色預測於投資策略之研究-以台灣股票市場電子類股為實證」，國立臺灣科技大學資訊管理系碩士論文，台北。
36. 黃益三(2007)，「高速公路動態交通時間狀態特性之分析」，國立交通大學交通運輸研究所博士論文，台北。
37. 黃敏郎、劉守恆 (2005)，地理資訊系統基礎操作實務，文魁資訊，台北。
38. 曼尼諾 (Mannino, M. V.)(2007)，資料庫管理:設計及其應用，劉金順譯，麥格羅希爾出版社，台北。
39. 湯姆生(Thomson, L.)、韋林(Welling, L.)(2003)，PHP & MySQL完全架站攻略，上奇科技，台北。
40. 陳惠國(2008)，研究分析方法課程講義，國立中央大學土木工程研究所，中壢。
41. 楊文熙(2003)，「股票變化之穩健預測」，國立中央大學統計研究所碩士論文，中壢。
42. 楊富傑(2005)，「以HHT 分析法研究陣風風場中建築物之表面風壓」，國立中央大學土木工程研究所碩士論文，中壢。
43. 溫坤禮(2002)，灰預測原理與應用，全華圖書，台北。
44. 溫坤禮(2007)，MATLAB在灰色系統理論的應用，全華圖書，台北。
45. 飯田恭敬(2008)，運輸規劃新規範-交通路網信賴性與OD交通量逆推估，鼎漢國際工程顧問有限公司，台北。
46. 鄧聚龍(2000)，灰色系統理論與應用，高立出版社，台北。
47. 謝志敏(2007)，希爾伯特黃轉換簡介(Hilbert Huang Transform)講義，高雄海洋大學，出處：http://0rz.tw/c34UU。
48. 蘇昭銘、張志鴻、鄭佳珮(2007)，「成本限制情況下建置公車動態資訊系統－以新竹中華大學聯外公車路線為例」，中華民國運輸學會第22屆論文研討會，頁2565-2579，台北。
49. H. Bar-Gera, (2007), “Evaluation of a cellular phone-based system for measurements of traffic speeds and travel times: A case study from Israel,” Transportation Research Part C, Vol. 15, pp. 380-391.
50. G. Box, and G. Jenkins, (1970), Time Series Analysis: Forecasting and Control, Holden-Day Press, San Francisco.
51. S. I. J. Chien, Y. Ding, and, C. Wei, (2002), “Dynamic bus arrival time prediction with artificial neural networks,” Ttransportation Engineering, Vol. 128, No. 5 pp. 429-438.
52. S. I. J. Chien, and C. M. Kuchipudi, (2003), “Dynamic travel time prediction with real-time and historic data,” Transportation Engineering, Vol. 129, No. 6, pp. 608-616.
53. J. W. Cooley, and J. Tukey, (1965), “An algorithm for the machine calculation of complex Fourier series,” Math. Comput, Vol. 19, pp. 297-301.
54. P. G. Dazin, (1992), Nonlinear Systems, Cambridge University Press, Cambridge.
55. J. L. Deng, (1982), “Control problems of grey systems,” System and Control Letters, Vol. 1, No. 5, pp. 288-294.
56. J. L. Deng, (1988), Essential Topics on Grey System: Theory and Application, Huazhong University of Science and Technology, China Ocean Press, Beijing.
57. C. I. Hsu, and Y. H. Wen, (1998), “Improved grey prediction models for the trans-pacific air passenger market,” Transportation Planning and Technology, Vol. 22, pp. 87-107.
58. N. E. Huang, Z. Shen, S. R. Long, M. C. Wu, H. H. Shih, Q. Zheng, N. C. Yen, C. C. Tung and H. H. Liu, (1998), “The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis,” The Royal Society, Series A 454, pp. 903-995.
59. G. Huisken, and E. C. V. Berkum, (2003), “A comparative analysis of short-range travel time prediction methods,” Presented at 82th Annual Meeting of Transportataion Research Board, Washington, D.C.
60. Y. J. Jou, (2003), “The implementation of Markov bias corrected grey system in freeway travel time prediction,” IEEE Intelligent Transportation Systems Society, Vol. 1, pp. 832-835.
61. J. R. Koza, (1992), Genetic Programming – on the Programming of Computers by Means of Natural Selection, MA. MIT Press, Cambridge.
62. Y. I. Lee, and C. Y. Choi, (1998), “Development of a link travel time prediction algorithm for urban expressway,” 5th ITS World Congress, Seoul.
63. C. D. Lewis, (1982), Industrial and Business Forecasting Method: A Practical Guide to Exponential Smoothing and Curve Fitting, Butterworth Scientific, London.
64. G. D. Li, D. Yamaguchi, M. Nagai, (2008), “A prediction model using hybrid grey GM(1,1) model,” Grey System, Vol. 11, No. 1, pp. 19-26.
65. W.H. Lin, A. Kulkarni, and P. Mirchandani, (2004), “Short-term arterial travel time prediction for advanced traveler information systems,” IEEE Intelligent Transportation Systems Society, Vol. 8, pp. 143-154.
66. J. S. Oh, R. Jayakrishnan, and W. Recker, (2002), “Section travel time estimation from point detction,” Presented at 82th Annual Meeting of Transportataion Research Board, Washington, D.C.
67. J. Rice, and E. V. Zwet, (2004), “A simple and effective method for predicting travel times on freeways,” IEEE Intelligent Transportation Systems Society, Vol. 5, No. 3, pp. 200 - 207.
68. J. I. Salisbury, and M.Wimbush, (2002), “Using modern time series analysis techniques to predict ENSO events from the SOI time series,” Nonlinear Processes in Geophysics, Vol. 9, pp. 341-345.
69. Z. Wu, and N. E. Huang, (2008), “Ensemble empirical mode decomposition: A noise assisted data analysis method,” Advance in Adaptive Data Analysis (accepted).
70. X. Zhang, and J. A. Rice, (2003), “Short-term travel time prediction,” Transportation Research Part C, Vol. 11, pp. 187–210.

指導教授

陳惠國(Huey-Kuo Chen)

審核日期

2009-1-12

推文